Un nouveau front juridique contre les géants de l'intelligence artificielle
Le secteur de l'édition académique et littéraire vient de poser un jalon majeur dans la définition des limites légales de l'intelligence artificielle. Plusieurs maisons d'édition d'envergure internationale, dont Hachette Book Group, Cengage Learning et Elsevier, ainsi que l'auteur à succès Scott Turow, ont déposé une plainte collective devant un tribunal fédéral de New York contre Google. Selon des informations rapportées par Le Monde et France 24, les plaignants accusent l'entreprise d'avoir « secrètement copié des millions d'œuvres » protégées par le droit d'auteur pour entraîner ses modèles d'intelligence artificielle, notamment la famille de modèles Gemini.
Cette action en justice ne constitue pas un cas isolé, mais elle se distingue par la qualité des plaignants, qui représentent des piliers de l'édition scientifique, scolaire et juridique. Les éditeurs affirment que l'ampleur et la vitesse avec lesquelles Gemini peut générer du contenu textuel lui permettent de concurrencer directement les auteurs humains en utilisant leur propre travail comme matière première. D'après un article publié par La Presse, la plainte soutient que Google a détourné l'accès à sa bibliothèque numérique Google Books, initialement conçue pour des usages de recherche limités, afin d'alimenter ses algorithmes d'apprentissage profond.
Les mécanismes de l'entraînement et le débat sur l'usage équitable
Pour comprendre les fondements de cette poursuite, il convient d'analyser la manière dont les grands modèles de langage (LLM) sont construits. Ces systèmes reposent sur l'ingestion de volumes gigantesques de données textuelles. Lors de cette phase d'entraînement, les textes sont décomposés en unités linguistiques appelées « tokens », puis convertis en représentations mathématiques nommées « embeddings ». Ces vecteurs permettent à l'IA de saisir les relations sémantiques entre les mots. Les géants technologiques soutiennent généralement que cette pratique relève de l'usage équitable (« fair use »), une disposition légale américaine qui autorise l'utilisation d'œuvres protégées sans permission sous certaines conditions, notamment si l'usage est transformateur et ne nuit pas au marché de l'œuvre originale.
Les éditeurs réfutent vigoureusement cette interprétation. Ils font valoir que les modèles d'IA ne se contentent pas d'analyser les textes pour en dégager des lois statistiques, mais qu'ils mémorisent et restituent des portions substantielles d'œuvres protégées, créant ainsi des produits de substitution. De plus, la réglementation internationale commence à se durcir. Par exemple, comme le souligne un rapport de l'organisme de régulation des médias en Allemagne (ZAK) cité par l'agence Reuters, les résumés générés par IA ne peuvent plus être considérés comme de simples outils de recherche, mais comme des contenus éditoriaux soumis aux lois sur les médias. Cette évolution réglementaire et judiciaire expose les institutions publiques et le réseau de l'éducation à des risques de conformité majeurs s'ils intègrent des outils entraînés sur des bases de données litigieuses.
Vers une transition éthique : le RAG et la maîtrise des sources
Face à ces incertitudes juridiques, les milieux scolaires, universitaires et institutionnels doivent repenser la provenance de leurs sources de connaissances numériques. S'en remettre à des modèles grand public entraînés de manière opaque présente le risque d'introduire des biais, des hallucinations (génération d'informations fausses présentées comme réelles) ou des violations involontaires de la propriété intellectuelle.
La plateforme ProductivIA propose une approche alternative rigoureuse grâce à son architecture no-code et son principe de confinement par silos. Plutôt que de solliciter la mémoire générale d'un modèle externe, les organisations peuvent exploiter l'application Base documentaire. Cette application utilise la technologie du RAG (Retrieval-Augmented Generation, ou génération augmentée par récupération). Le principe est simple : au lieu de laisser l'IA deviner une réponse à partir de ses données d'entraînement, le système effectue d'abord une recherche sémantique dans une base de documents préalablement téléversés et validés par l'organisation (manuels scolaires acquis légalement, politiques internes, publications scientifiques sous licence).
Les étapes de ce processus garantissent le respect du droit d'auteur :
- L'institution téléverse ses propres ressources dans la Base documentaire.
- L'application génère des embeddings locaux pour indexer le contenu.
- Lors d'une requête de l'utilisateur, l'Assistant extrait uniquement les passages pertinents de ces documents autorisés.
- Le modèle d'IA (qui peut être le modèle souverain québécois Matania pour éviter tout transit transfrontalier des données) rédige une réponse strictement ancrée dans ces extraits, en citant ses sources.
En complément, l'application Edition permet de structurer ces réponses et de générer des documents de mise en page professionnelle (du format HTML vers le PDF standardisé) sans jamais sortir du cadre sécurisé et audité de la plateforme. Cette méthode élimine le risque d'infraction au droit d'auteur, puisque l'IA n'invente rien et ne puise pas dans des bases de données externes non autorisées.
Pour aller plus loin
La multiplication des recours collectifs contre les concepteurs de modèles d'IA force une clarification nécessaire des règles du jeu numérique. Alors que des initiatives se dessinent pour encadrer la traçabilité des données d'entraînement, les organisations ont tout intérêt à privilégier des architectures logicielles transparentes. La transition vers des outils de RAG locaux et confinés apparaît comme la solution la plus robuste pour concilier l'efficacité de l'assistance algorithmique et la protection de la propriété intellectuelle.